利用 Twitter 数据进行公交用户反馈情感分析：一种 NLP 框架

通过公交调查收集用户反馈的传统方法往往耗时、耗资源且成本高昂。本文提出一种基于 NLP 的新框架，利用 Twitter 等社交媒体平台上海量、丰富且廉价的数据来理解用户对各类服务问题的感知。Twitter 作为微博平台，承载大量实时用户生成内容，其中常包含对各类产品、服务与体验的宝贵反馈与意见。所提框架通过两种技术简化了用户反馈的收集与分析流程，无需开展昂贵耗时的用户反馈调查。首先，其利用少样本学习（few-shot learning）对推文在预定义类别内进行分类，从而有效识别推文所述问题。随后采用基于词典的情感分析模型评估推文情感强度与极性，区分正面、负面与中性推文。该框架在人工标注的 Twitter 数据子集上进行了验证，并以纽约地铁系统为案例加以应用。框架将推文准确分类至与地铁系统安全、可靠性及维护相关的预定义类别，并有效测度了各类别内的情感强度。通过与同年某机构开展的客户调查对比，总体发现得到佐证。研究结果凸显了所提框架利用廉价社交媒体数据衡量用户反馈、以识别公交系统痛点并规划针对性改进的有效性。